彩色公路交通地图图像道路提取

根据彩色公路交通地图的图像特征,提出一种新颖的道路识别与提取方法。这种方法包括三个关键步骤。首先,根据区域的特征,提取出区域的灰度值;其次,根据道路的颜色和形状特征以及数字图像处理的一些方法（如对象的连通成分等）,识别并提取出道路的颜色;最后,为了获得完整的道路网络,一些道路连接方法被提出。这种算法已经被应用于许多彩色公路地图图像中去提取道路网络。大量成功的实例表明这个算法是非常有效的。     

基于SU和AMB的网络流量特征选择算法

在基于网络流量分析,被动式的网络设备识别研究中,网络流量数据中往往存在许多高维数据,其中的部分特征对设备识别贡献不大,甚至会严重影响分类结果和分类性能.所以针对这个问题本文提出了一种将Filter和Wrapper方式相结合,基于对称不确定性(SU)和近似马尔可夫毯(AMB)的网络流量特征选择算法FSSA,本文提出的方法...     

面向交通预测的窗口时空注意力建模方法

在目前交通预测中, 基于深度学习的时空分离建模方法难以有效地表达数据中的时空耦合相关性, 时空联合建模方法虽然可以一定程度上弥补时空分离建模的缺点, 但是其在构建时空超图时存在表达能力不足、计算复杂度高等问题, 为此提出一种改进的窗口时空注意力网络 (window spatial-temporal attention network, W-STANet) 的时空联合建模方法. W-STANet 主要由数据嵌入层、时空相关性建模层、预测头 3 部分组成. 时空相关性建模层通过堆叠多个时空注意力块实现对交通数据时空相关性特征的学习; 同时, 通过引入局部窗口计算方式以及数据移位和交换操作, 大幅度降低了建模过程中的计算复杂度, 并实现了在时空图中局部视角和全局视角的建模. 在5个真实交通公共数据集上的实验结果表明, 相比其他时空联合建模方法有着更好的预测性能. 与其他时空分离建模方法相比, 在大规模路网的数据集上的预测性能较优.     

基于避险设施的火灾救援及避灾路线算法

以VC#.net、SQL Server 2008和地理信息系统为平台,对矿井地图进行了具有地理属性开发的研究,建立了图形库、数据库、方法库和知识库,并构建了基于避险设施的矿井火灾应急救援系统。对矿井火灾进行了实时在线模拟,分析和预测了火灾动态发展趋势,实现了矿井火灾烟流传播和最佳避灾路线的动态可视化显示功能。引入安全性、通行效率等因素对灾后巷道通行能力的变化进行修正,制定了基于避险设施的最优避灾路线选择原则和     

自适应BAS优化RBF神经网络的短时交通流预测

为提高短时交通流预测精度,针对传统径向基函数(radial basis function, RBF)神经网络短时交通流预测模型中心值固定、易受漂移数据干扰问题,提出自适应天牛须搜索算法(beetle antennae search algorithm, BAS)优化RBF神经网络的短时交通流预测模型。模型采用自适应步长提高BAS算法迭代速度和寻优能力,结合DBSCAN聚类确定RBF神经网络隐含层径向基函数网络中心,进而优化神经网络结构。通过路网真实交通流数据进行训练,选择常用于短时交通流预测的BP神经网络,RBF神经网络,广义RBF神经网络进行对比。结果表明：优化后的模型预测结果相较BP神经网络平均绝对误差降低了1.87%、平均绝对百分比误差降低了15.96%、均方根误差降低了3.24%,拟合度提高了3.96%;相较广义RBF神经网络平均绝对误差降低1.36%、平均绝对百分比误差降低了5.01%、均方根误差降低了2.19%,拟合度提高了2.5%。改进后的短时交通流预测模型能够为智能交通诱导提供可靠的预测值。     

时空图神经网络在交通流预测研究中的构建与应用综述

交通流量预测是城市交通管理和规划中的关键问题,而传统预测方法在面对数据稀疏性、非线性关系和复杂动态性等挑战时表现不佳.图神经网络是一种基于非欧结构数据的深度学习方法,近年来在各种复杂网络建模和预测任务中得到广泛应用.为了应用于交通流量预测领域,提出了时空图神经网络,其能够捕捉空间和时间相关性,相较之前的预测模型有显著进步.对近年来使用时空图神经网络进行交通流量预测的模型进行分析,概述和比较了多种邻接阵的构造方式,然后从空间相关性和时间相关性的角度列举了构建交通流预测模型的常用组件,并对不同的时空融合方式进行了分类和对比;在应用方面,根据时间尺度的不同将时空图神经网络模型分为长期预测、短期预测与兼顾长短期的预测三类,分析了各自的目标与要求,并列举比较了近年来较为突出的新模型.最后,讨论了现有研究的局限性,对相关模型的未来研究做出展望.     

基于真实交通状况的固定式机动车现场测速标准装置

为了满足机动车测速仪现场检测新方法的需要,研制了基于真实交通流量状态下的固定式机动车现场测速标准装置。介绍了该套现场标准装置的设计思路与设计方案,分析了现场标准装置中所用的现场标准测速仪的工作原理,并对其现场速度测量的不确定度进行评估。不确定度评估结果表明:在20～250km/h速度测量范围内,现场标准测速仪的相对扩展不确定度为0.12%(k=3)。通过2款机动车雷达测速仪样品的大样本现场试验数据,验证了机动车测速仪现场检测新方法的可行性,以及该套现场标准装置在真实交通流量状态下的实际测速性能。     

基于DSP的车流量检测雷达的信号处理研究

智能交通系统中．车流量检测雷达射频前端和数字信号处理器的信号处理算法是影响车流量检测雷达性能指标的两个重要方面。文中从车流量检测雷达实时性出发,简要介绍了基于DSP技术的车流量检测雷达的系统设计,同时给出车流量检测雷达DSP软件算法的完整设计思想,并具体解决了车流量检测雷达中车道识别这个关键问题,实现了车流量检测功能。最后还给出本课题组研制的车流量检测雷达的测试平台和测试性能指标,达到了实际使用的要求。     

信号交叉口行人自行车聚集群交通特性

为了便于研究城市交叉口混合交通信号控制策略以及城市信号交叉口交通仿真, 对信号交叉口人行横道绿灯放行时间内行人自行车聚集群的交通特性进行了研究.在此基础上, 提出了行人自行车“聚集群”的概念, 运用了把人行横道“虚拟网格化”的方法对行人自行车聚集群的形状、面积、空间位置以及空间占有率等参数进行了描述.以北京市平乐园信号交叉口为例, 对聚集群的空间占有率变化进行了计算.结果表明, 聚集群的空间占有率在行进过程中是逐渐增加的.     

基于EBP的宏观网络流量异常行为检测

针对以往Hurst指数估算方法在求解精度和实时性上的不足,提出将EBP引入到网络流量白相似特性分析中,对比实验表明EBP对Hurst指数的估算更精确、实时性更高。利用EBP的这一优势将其运用到宏观网络行为的在线实时分析和异常行为的检测中,对林肯实验室宏观网络行为数据的分析表明,正常行为和异常行为的Hurst分布曲线差异明显。与传统匹配方法相比,基于EBP的异常行为检测方法检测效率更高。